Polinom Regresyonu
Polynomial Regression · Ayrıca şöyle bilinir: polynomial least squares, curvilinear regression, Polinom Regresyonu
Polinom regresyonu, açıklayıcı bir değişkenin karesini ve daha yüksek dereceli terimlerini dahil ederek doğrusal olmayan ilişkileri modelleyen bir regresyon yöntemidir ve yanıt yüzeyi analizinin temel bir aracıdır. Montgomery, Peck ve Vining'in Doğrusal Regresyon Analizine Giriş (2012) kitabında geliştirildiği gibi, uydurulan eğri bükülse bile parametrelerinde doğrusal kalır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Sonuç sürekli olduğunda ve tahminci ile ilişki düz yerine açıkça eğri olduğunda, makul bir örneklemle (en az yaklaşık 30 gözlem) polinom regresyonu kullanın. Doğrusallık varsayımı dışında, standart OLS varsayımları hala geçerlidir. Dereceyi düşük tutun: yüksek dereceli polinomlar aşırı uyuma eğilimindedir, bu nedenle çapraz doğrulama önerilir ve yüksek kuvvetler çoklu doğrusallık getirir, bu nedenle tahminciyi kuvvetlerine yükseltmeden önce merkezlemek tavsiye edilir.
Güçlü yönler & sınırlılıklar
- Parametrelerde doğrusal kalırken pürüzsüz doğrusal olmayan (eğri) ilişkileri yakalar, bu nedenle sıradan en küçük karelerle tahmin edilir.
- Doğrusal regresyonun bir uzantısı olarak uydurması ve yorumlaması basittir, tek bir kapalı form çözümü vardır.
- Yanıt yüzeyi analizi için temel model olarak hizmet eder.
- Yüksek dereceli polinomlar, temel eğilim yerine gürültüyü uyarak verileri aşırı uydurur.
- Daha yüksek dereceli kuvvet terimleri, tahminci merkezlenmediği sürece katsayı tahminlerini istikrarsızlaştıran güçlü bir şekilde kolinerdir.
- Doğrusallığı gevşetmenin dışında, hala standart OLS varsayımlarına (normal, iyi davranışlı hatalar gibi) dayanır.
SSS
Polinom derecesini nasıl seçmeliyim?
Düşük başlayın ve yalnızca örneklem dışı uyumu anlamlı şekilde iyileştirdiği sürece dereceyi artırın. Yüksek dereceler her zaman örneklem içi uyumu artırırken gürültüyü aşırı uydurduğu için, örneklem içi R² yerine çapraz doğrulamayı kullanın.
Tahminciyi neden merkezlemeliyim?
x'i ardışık kuvvetlere yükseltmek, terimleri (x, x², x³, …) güçlü bir şekilde ilişkilendirerek standart hataları şişirir. Kuvvetleri oluşturmadan önce tahminciyi merkezlemek bu çoklu doğrusallığı azaltır ve katsayıları stabilize eder.
Polinom regresyonu hala doğrusal bir model midir?
Evet. Uydurulan eğri bükülse de, model katsayılarında doğrusaldır, bu nedenle genişletilmiş bir tahminci sütun kümesinde doğrusal regresyonla aynı sıradan en küçük kareler makinesiyle tahmin edilir.
Ne zaman yerine splineları kullanmalıyım?
Eğrinin yerel özellikleri olduğunda veya yüksek dereceli kararsızlık olmadan esneklik gerektiğinde, spline regresyonu, tek bir yüksek dereceli polinomdan daha iyi davranış gösteren, özellikle verilerin kenarlarına yakın parçalı polinomlar uydurur.
Kaynaklar
- Montgomery, D. C., Peck, E. A. & Vining, G. G. (2012). Introduction to Linear Regression Analysis. Wiley. ISBN: 978-0470542811
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Polynomial Regression. ScholarGate. https://scholargate.app/tr/statistics/polynomial-regression
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Lasso RegresyonuMakine öğrenmesi↔ karşılaştır
- En Küçük Kareler (EK) RegresyonuEkonometri↔ karşılaştır
- Yanıt Yüzey Metodolojisi (RSM)Deney tasarımı↔ karşılaştır
- Ridge Regression (Sırt Regresyonu)Makine öğrenmesi↔ karşılaştır